Gemini 3.6 Flash 在 WeirdML 仅 56.1%，还常常超时
scaling01 · x · 2026-07-23
WeirdML v2 的最新图表显示，Gemini 3.6 Flash（high）得分只有 56.1%，不仅落后于 Gemini 3.5 Flash，也明显低于前沿模型。
帖子更重要的发现不是分数本身，而是它的失败模式：模型经常把计划做得过于激进，在 120 秒 GPU 限制内超时，而且似乎并不会从这些超时中学到教训。作者称，Flash 3.6 的超时率大约达到 50%，高于 Flash 3.5 的 33%；尽管模型似乎一直意识到时间限制，甚至会在推理中反复提到它，却还是无法把步骤耗时估计准。
配图还展示了 WeirdML v2 的成本、token 和执行时间对照，能看到多个厂商在不同成本区间形成了更分散的帕累托前沿。
所属事件:Gemini 3.6 Flash 评测：更快更省但未变更聪明(16 条相关)→
「模型」频道最新
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27